论文部分内容阅读
数控插补技术是计算机数字控制(Computer Numerical Control,CNC)系统中的重要功能之一,其性能直接影响着工件的最终加工质量。插补计算的精度以及插补程序的运行时间对于整个CNC系统的性能都具有很大的影响。非均匀有理B样条(Non-Uniform Rational B-Splines,NURBS)是目前研究数控插补技术的热点,但NURBS曲线插补方法需要建立被控对象的精确数学模型,涉及的计算颇为复杂,速度波动大;而对于具有自由曲线曲面轮廓的工件,其数控加工过程均具有时变、非线性等特点,往往难以建立其精确的数学模型。本文以神经网络作为技术手段,以自由曲线的数控插补作为研究对象,提出采用径向基函数(Radical Basis Function,RBF)神经网络方法来解决自由曲线的插补问题,不依赖被控对象的数学模型,计算量小,模型简单。具体的研究内容如下:(1)利用神经网络技术建立起自由曲线的数控插补模型,选择合适的样本数据和网络参数对模型进行训练,使模型输出能够满足预设的插补精度要求,此时的模型输出即可作为刀具插补点。(2)对数控加工过程当中常用的速度控制方法进行分析,以S曲线加减速方法为基础,推导出其速度方程,并完善整条给定曲线的速度方程。对神经网络插补模型中的进给速度进行分析,将推导出的速度曲线引入到网络模型当中,并以弓高误差为约束条件,建立一个进给步长可变的神经网络数控插补模型。另外根据曲线曲率的变化规律找出插补过程中的速度敏感点,在到达该速度敏感点之前将速度降低到指定值,从而进行有效的速度规划。(3)在MATLAB平台上进行仿真实验,结果表明:该模型结构简单、计算量小、插补精度高,能够保证加工效率和加工质量,同时降低柔性冲击,具有较高的实际应用价值。